This course will cover the major techniques for mining and analyzing text data to discover interesting patterns, extract useful knowledge, and support decision making, with an emphasis on statistical approaches that can be generally applied to arbitrary text data in any natural language with no or minimum human effort.
数据挖掘 專項課程伊利诺伊大学香槟分校課程信息
40,595 次近期查看
學生職業成果
30%
完成這些課程後已開始新的職業生涯
38%
通過此課程獲得實實在在的工作福利
12%
加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
第 3 門課程（共 6 門）
可靈活調整截止日期
根據您的日程表重置截止日期。
完成時間大約為33 小時
英語（English）
字幕：英語（English）, 韓語
您將獲得的技能
Data Clustering AlgorithmsText MiningProbabilistic ModelsSentiment Analysis
學生職業成果
30%
完成這些課程後已開始新的職業生涯
38%
通過此課程獲得實實在在的工作福利
12%
加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
第 3 門課程（共 6 門）
可靈活調整截止日期
根據您的日程表重置截止日期。
完成時間大約為33 小時
英語（English）
字幕：英語（English）, 韓語
提供方
伊利诺伊大学香槟分校
The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.
立即開始攻讀碩士學位
此 課程 隸屬於 伊利诺伊大学香槟分校 提供的 100% 在線 Master in Computer Science。如果您被錄取參加全部課程，您的課程將計入您的學位學習進程。
教學大綱 - 您將從這門課程中學到什麼
完成時間為 2 小時
Orientation
You will become familiar with the course, your classmates, and our learning environment. The orientation will also help you obtain the technical skills required for the course.
完成時間為 2 小時
2 個視頻 （總計 15 分鐘）, 5 個閱讀材料, 2 個測驗
5 個閱讀材料
Welcome to Text Mining and Analytics!10分鐘
Syllabus15分鐘
About the Discussion Forums15分鐘
Updating your Profile10分鐘
Social Media10分鐘
2 個練習
Orientation Quiz15分鐘
Pre-Quiz26分鐘
完成時間為 4 小時
Week 1
During this module, you will learn the overall course design, an overview of natural language processing techniques and text representation, which are the foundation for all kinds of text-mining applications, and word association mining with a particular focus on mining one of the two basic forms of word associations (i.e., paradigmatic relations).
完成時間為 4 小時
9 個視頻 （總計 109 分鐘）, 1 個閱讀材料, 2 個測驗
9 個視頻
1.2 Overview Text Mining and Analytics: Part 211分鐘
1.3 Natural Language Content Analysis: Part 112分鐘
1.4 Natural Language Content Analysis: Part 24分鐘
1.5 Text Representation: Part 110分鐘
1.6 Text Representation: Part 29分鐘
1.7 Word Association Mining and Analysis15分鐘
1.8 Paradigmatic Relation Discovery Part 114分鐘
1.9 Paradigmatic Relation Discovery Part 217分鐘
1 個閱讀材料
Week 1 Overview10分鐘
2 個練習
Week 1 Practice Quiz1小時
Week 1 Quiz1小時
完成時間為 4 小時
Week 2
During this module, you will learn more about word association mining with a particular focus on mining the other basic form of word association (i.e., syntagmatic relations), and start learning topic analysis with a focus on techniques for mining one topic from text.
完成時間為 4 小時
10 個視頻 （總計 116 分鐘）, 1 個閱讀材料, 2 個測驗
10 個視頻
2.2 Syntagmatic Relation Discovery: Conditional Entropy11分鐘
2.3 Syntagmatic Relation Discovery: Mutual Information: Part 113分鐘
2.4 Syntagmatic Relation Discovery: Mutual Information: Part 29分鐘
2.5 Topic Mining and Analysis: Motivation and Task Definition7分鐘
2.6 Topic Mining and Analysis: Term as Topic11分鐘
2.7 Topic Mining and Analysis: Probabilistic Topic Models14分鐘
2.8 Probabilistic Topic Models: Overview of Statistical Language Models: Part 110分鐘
2.9 Probabilistic Topic Models: Overview of Statistical Language Models: Part 213分鐘
2.10 Probabilistic Topic Models: Mining One Topic12分鐘
1 個閱讀材料
Week 2 Overview10分鐘
2 個練習
Week 2 Practice Quiz1小時
Week 2 Quiz1小時
完成時間為 10 小時
Week 3
During this module, you will learn topic analysis in depth, including mixture models and how they work, Expectation-Maximization (EM) algorithm and how it can be used to estimate parameters of a mixture model, the basic topic model, Probabilistic Latent Semantic Analysis (PLSA), and how Latent Dirichlet Allocation (LDA) extends PLSA.
完成時間為 10 小時
10 個視頻 （總計 103 分鐘）, 2 個閱讀材料, 3 個測驗
10 個視頻
3.2 Probabilistic Topic Models: Mixture Model Estimation: Part 110分鐘
3.3 Probabilistic Topic Models: Mixture Model Estimation: Part 28分鐘
3.4 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 111分鐘
3.5 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 210分鐘
3.6 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 36分鐘
3.7 Probabilistic Latent Semantic Analysis (PLSA): Part 110分鐘
3.8 Probabilistic Latent Semantic Analysis (PLSA): Part 210分鐘
3.9 Latent Dirichlet Allocation (LDA): Part 110分鐘
3.10 Latent Dirichlet Allocation (LDA): Part 212分鐘
2 個閱讀材料
Week 3 Overview10分鐘
Programming Assignments Overview10分鐘
2 個練習
Week 3 Practice Quiz1小時
Quiz: Week 3 Quiz1小時
完成時間為 5 小時
Week 4
During this module, you will learn text clustering, including the basic concepts, main clustering techniques, including probabilistic approaches and similarity-based approaches, and how to evaluate text clustering. You will also start learning text categorization, which is related to text clustering, but with pre-defined categories that can be viewed as pre-defining clusters.
完成時間為 5 小時
9 個視頻 （總計 141 分鐘）, 1 個閱讀材料, 2 個測驗
9 個視頻
4.2 Text Clustering: Generative Probabilistic Models Part 116分鐘
4.3 Text Clustering: Generative Probabilistic Models Part 28分鐘
4.4 Text Clustering: Generative Probabilistic Models Part 314分鐘
4.5 Text Clustering: Similarity-based Approaches17分鐘
4.6 Text Clustering: Evaluation10分鐘
4.7 Text Categorization: Motivation14分鐘
4.8 Text Categorization: Methods11分鐘
4.9 Text Categorization: Generative Probabilistic Models31分鐘
1 個閱讀材料
Week 4 Overview10分鐘
2 個練習
Week 4 Practice Quiz1小時
Week 4 Quiz1小時
審閱
來自文本挖掘和分析的熱門評論
由 JH 提供2017年2月9日
Excellent course, the pipeline they propose to help you understand text mining is quite helpful. It has an important introduction to the most key concepts and techniques for text mining and analytics.
由 DC 提供2018年3月24日
The content of Text Mining and Analytics is very comprehensive and deep. More practise about how formula works would be better. Quiz could be not tough to be completed after attending every lectures.
由 AC 提供2017年2月11日
This is a very good course. I think it provides a very good foundation of text mining and analytics like PLSA and LDA. More advanced research discussed in the last lecture is also very interesting.
由 JS 提供2017年6月6日
The content was very useful, and the preparation of the course denoted much care and preparation by the teacher. I would love to see some modern topics like word embeddings covered in the course!
關於 数据挖掘 專項課程
The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.
Courses 2 - 5 of this Specialization form the lecture component of courses in the online Master of Computer Science Degree in Data Science. You can apply to the degree program either before or after you begin the Specialization.
常見問題
我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
- 课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
- 课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
退款政策是如何规定的？
如果订阅，您可以获得 7 天免费试听，在此期间，您可以取消课程，无需支付任何罚金。在此之后，我们不会退款，但您可以随时取消订阅。请阅读我们完整的退款政策。
有助学金吗？
是的，Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请，申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤，包括毕业项目。了解更多。
完成课程后，我会获得大学学分吗？
此课程不提供大学学分，但部分大学可能会选择接受课程证书作为学分。查看您的合作院校，了解详情。Coursera 上的在线学位和 Mastertrack™ 证书提供获得大学学分的机会。
還有其他問題嗎？請訪問 學生幫助中心。
